专利名称：一种多支撑向量机模型的磁共振并行成像方法
技术领域：
本发明属于磁共振并行成像领域，具体涉及一种多支撑向量机模型的磁共振并行成像方法。
背景技术：
磁共振成像(Magnetic resonance imaging, MRI)由于其无核辐射，分辨率高，能多方位和多参数成像等优点，已成为临床医学影像检查的重要手段之一。然而受到傅里叶编码方式和奈奎斯特采样定理限制，磁共振成像速度较慢，这不但给患者带来一定的不适， 而且容易产生运动伪影。同时，长的扫描时间限制了 MRI对运动物体的成像，如婴儿，血流， 心脏等。经过近几十年的发展，依靠提高硬件性能来加速采集的方式以达到人体承受极限。并行成像技术使用多个线圈同时采集信号，利用各个线圈的空间敏感度来代替部分傅里叶编码，从而达到减少扫描时间。磁共振并行成像方法有很多种，其中灵敏度编码和广义自校准并行采集(Generalized Auto-calibrating Partially Parallel Acquisitions, GRAPPA)是临床上较为常用的两种。GRAPPA算法是假设线圈敏感度的线性联合能产生空间谐波，达到傅里叶编码的效果。首先，通过中间区域全采样的数据，作为校准数据，通过构造线性方程组，求解线圈联合权重函数。再对其它区域未采集到的点进行联合权重填充。对于第1个线圈坐标位置在(kx，ky+mAky)的点，可以通过公式
权利要求
1.一种多支撑向量机模型的磁共振并行成像方法，其特征在于，包括如下步骤(1)用多通道线圈对K空间中间区域进行全采样后，将其划分为训练集和检验集，其它区域加速采样后作为预测集，并对各集合内的数据进行归一化处理；(2)将训练集划分为多组训练子集，利用支撑向量机，选择不同的核函数和拟合参数对各训练子集进行训练，得到不同的联合权重函数模型；(3)在检验集上，对各联合权重函数模型进行检验，选择最佳的几个子模型；(4)分别使用最佳的几个子模型对预测集进行预测，取其平均值作为未采集点的值，反归一化处理后，将K空间数据转换为图像。
2.根据权利要求1所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于所述训练子集为Si = {(X，y) y (X，y) e T，i = 1，. . .，Nt}，其是由训练集T = {(x，y)} 等分或者随机的划分为Nt个子集，其中y为全采样中一些要拟合的值，χ为所有线圈在坐标上相应的邻域内采集到的值，将所有的y和对应的χ列在一起组成训练集，所述检验集为A= {(x,y), (x,y) e Τ}，其是从全采样的数据中随机选取一部分，所述预测集为P = {(χ，，其中I0为未采集到的点，设为0。
3.根据权利要求1所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于，在步骤(1)中，对数据进行归一化处理包括将K空间数据映射到[_1，1]上，其采取的公式为:
4.根据权利要求1或3所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于步骤O)中，选择一种改进的支撑向量机v-SVR，其目标优化问题为
5.根据权利要求4所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于对于不同的训练子集，核函数分别选取线性核、径向基函数核和正则化的傅里叶核，线性核的形式为:k(xi;x) = XiaX,径向基函数核形式为<^)=^尸"IN-x^，VJ傅里叶核形式为外’、)=2(1_2二(二;)4广< q < 1，其中Y和q分别为高斯核函数和傅里叶核函数的宽度参数，控制函数的径向作用范围。
6.根据权利要求4所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于根据求解的拉格朗日变量、，,得到联合权重函数为/(χ)= ㈣战力+6。ai ‘ 1=\
7.根据权利要求4所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于对于不同的训练子集，选取不同的平衡因子C和变量v，平衡因子C的范围从0. 005到 500，其变化步长为10，变量ν从0. 1到0.9，其变化步长为0. 1。
8.根据权利要求1所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于在步骤⑶中将步骤⑵中训练得到的各个子集的权重函数应用到检验集，对于每一个权重函数模型，其在检验集上的均方根误差定义为rmse，其中，η为检验集的大小，;>为通过权重函数计算得到的估计值，y是检验集里本身采集到的值，最后选取均方根误差最小的Nm个子模型。
9.根据权利要求8所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于在步骤(4)中利用步骤C3)选出的最佳模型分别对预测集内的点进行预测，最后通过线1 Nm性联合平均，其中-为每一个子模型预测结果，然后对数据进行反归一化处理； Nm tt只并将K空间数据经过二维的快速离散傅里叶变换转换为图像，最后，通过平方和的方法将各个线圈的图像联合成一幅最终图像。
10.根据权利要求9所述的一种多支撑向量机模型的磁共振并行成像方法，其特征在于步骤⑷中的数据反归一化公式为少=(1 +夕)如似⑴_ —⑴)+腫⑴，且将数据从[-1,1]映射到原始空间。
全文摘要
本发明公开了一种多支撑向量机模型的磁共振并行成像方法，属于磁共振并行成像领域，它的步骤如下(1)对K空间中间区域进行全采样，将其划分为训练集和检验集，其它区域加速采样后作为预测集，并对各集合内的数据进行归一化处理;(2)将训练集划分为多组训练子集，利用支撑向量机，选择不同的参数对各训练子集进行训练，得到不同的联合权重函数模型;(3)在检验集上，对各联合权重函数进行检验，选择最佳的几个子模型;(4)分别使用最佳的几个子模型对预测集进行预测，取其平均值作为未采集点的值，反归一化处理后，将K空间数据转换为图像。上述并行成像方法，利用支撑向量机拟合的权重函数具有良好的泛化能力，整体重建误差较小。
文档编号A61B5/055GK102551723SQ20121001206
公开日2012年7月11日 申请日期2012年1月16日 优先权日2012年1月16日
发明者刘晓云, 胡绍湘, 许林, 陈武凡 申请人:电子科技大学